拉拉-MCP

Name: 拉拉-MCP
Author: translated

作者：translated75 星标更新：2025-10-07

安装使用来源：spider==github.com

项目介绍

Lara Translate MCP Server

一个用于Lara Translate API的模型上下文协议（MCP）服务器，支持强大的翻译能力，包括语言检测、上下文感知翻译和翻译记忆。

📚 目录

📖 简介
🛠 可用工具
🚀 开始使用
- 📋 HTTP 服务器
- 🔌 STDIO 服务器
🧪 验证安装
💻 支持 MCP 的流行客户端
🆘 支持

📖 简介

模型上下文协议（MCP）是一种开放的标准通信协议，使AI应用程序能够连接到外部工具、数据源和服务。可以将MCP想象成AI应用程序的USB-C端口——就像USB-C提供了一种标准化的方式来连接设备到各种外围设备一样，MCP提供了一种标准化的方式将AI模型连接到不同的数据源和工具。

Lara Translate MCP服务器通过这种标准化协议使AI应用程序能够访问Lara Translate的强大翻译能力。

更多关于模型上下文协议的信息，请参阅：https://modelcontextprotocol.io/

</details> <details> <summary>Lara Translate MCP 如何工作</summary>

Lara Translate MCP服务器实现了模型上下文协议，为AI应用程序提供了无缝的翻译能力。集成遵循以下流程：

连接建立：当兼容MCP的AI应用程序启动时，它会连接到配置的MCP服务器，包括Lara Translate MCP服务器。
工具与资源发现：AI应用程序发现由Lara Translate MCP服务器提供的可用翻译工具和资源。
请求处理：当识别出需要翻译时：
- AI应用程序以结构化的请求格式化要翻译的文本、语言对以及可选的上下文。
- MCP服务器验证请求并将其转换为Lara Translate API调用。
- 使用您的凭据安全地将请求发送到Lara Translate的API。
翻译与响应：Lara Translate使用高级AI模型处理翻译。
结果整合：翻译结果返回给AI应用程序，然后可以将其整合到其响应中。

这种集成架构允许AI应用程序在不直接实现API的情况下访问专业级翻译，同时保持API凭证的安全性，并通过自然语言指令提供调整翻译参数的灵活性。

</details> <details> <summary>为什么要在LLM中使用Lara</summary>

将Lara与LLM集成会产生强大的协同效应，显著提高非英语语言的翻译质量。

为什么通用LLM在翻译方面表现不佳

虽然大型语言模型具备广泛的语言能力，但它们往往缺乏特定领域和语言所需的专门知识和最新术语，这使得准确翻译变得困难。

Lara 的领域优势

Lara通过利用训练于数十亿个专业翻译片段上的翻译语言模型（T-LMs）克服了这一局限。这些模型提供领域特定的机器翻译，捕捉文化细微差别和行业术语，这些都是通用LLM可能忽略的。结果是：翻译在语境上准确且听起来自然，符合母语者的习惯。

非英语语言的优势设计

Lara特别关注非英语语言，解决了GPT-4等模型中的性能差距问题。由于Common Crawl和Wikipedia等数据集中英语占主导地位，导致其他语言的质量较低。Lara通过在多语言环境中提供更高品质的理解、生成和重组来弥补这一差距。

快速、智能的多语言性能

通过将复杂的翻译任务卸载到专门的T-LMs，Lara减少了计算开销并最小化了延迟——这是LLM处理非英语输入时常见的问题。其架构与LLM并行处理翻译，实现实时、高质量输出而不牺牲速度或效率。

大规模翻译的成本效益

Lara还降低了在非英语工作流中使用GPT-4等模型的成本。由于分词（和定价）优化了英语，使用Lara可以在触及LLM之前进行翻译，这意味着只有翻译后的英文内容会被处理。这提高了成本效益，并支持全球企业的竞争性扩展。

</details>

🛠 可用工具

翻译工具

<details> <summary>translate - 在不同语言之间翻译文本</summary>

输入：

text (数组)：要翻译的文本块数组，每个块包含：
- text (字符串)：文本内容
- translatable (布尔值)：是否应翻译此块
source (可选字符串)：源语言代码（例如，'en-EN'）
target (字符串)：目标语言代码（例如，'it-IT'）
context (可选字符串)：额外的上下文以提高翻译质量
instructions (可选字符串数组)：调整翻译行为的指令
source_hint (可选字符串)：语言检测的指导

返回：保持原始结构的翻译文本块

</details>

翻译记忆工具

<details> <summary>list_memories - 列出保存的翻译记忆</summary>

返回：记忆及其详情的数组

</details> <details> <summary>create_memory - 创建新的翻译记忆</summary>

输入：

name (字符串)：新记忆的名称
external_id (可选字符串)：从MyMemory导入的记忆ID（例如，'ext_my_[MyMemory ID]'）

返回：创建的记忆数据

</details> <details> <summary>update_memory - 更新翻译记忆名称</summary>

输入：

id (字符串)：要更新的记忆ID
name (字符串)：记忆的新名称

返回：更新的记忆数据

</details> <details> <summary>delete_memory - 删除翻译记忆</summary>

输入：

id (字符串)：要删除的记忆ID

返回：已删除的记忆数据

</details> <details> <summary>add_translation - 向记忆添加翻译单元</summary>

输入：

id (字符串 | 字符串数组)：要添加翻译单元的记忆ID或ID数组
source (字符串)：源语言代码
target (字符串)：目标语言代码
sentence (字符串)：源句子
translation (字符串)：翻译后的句子
tuid (可选字符串)：翻译单元唯一标识符
sentence_before (可选字符串)：之前的上下文句子
sentence_after (可选字符串)：之后的上下文句子

返回：添加的翻译详情

</details> <details> <summary>delete_translation - 从记忆中删除翻译单元</summary>

输入：

id (字符串)：记忆ID
source (字符串)：源语言代码
target (字符串)：目标语言代码
sentence (字符串)：源句子
translation (字符串)：翻译后的句子
tuid (可选字符串)：翻译单元唯一标识符
sentence_before (可选字符串)：之前的上下文句子
sentence_after (可选字符串)：之后的上下文句子

返回：移除的翻译详情

</details> <details> <summary>import_tmx - 将TMX文件导入记忆</summary>

输入：

id (字符串)：要更新的记忆ID
tmx_content (字符串)：要上传的tmx文件内容
gzip (布尔值)：指示文件是否被压缩(.gz)

返回：导入详情

</details> <details> <summary>check_import_status - 检查TMX文件导入状态</summary>

输入：

id (字符串)：导入作业的ID

返回：导入详情

</details>

🚀 开始使用

Lara 支持 STDIO 和可流式传输的 HTTP 协议。为了简化设置，我们建议使用 HTTP 协议。如果您更喜欢使用 STDIO，则必须在本地计算机上安装它。

您将在下面的部分中找到这两种协议的设置说明。

HTTP 服务器 🌐

<details> <summary>❌ 不支持 <code>url</code> 配置的客户端（例如，Claude，OpenAI）</summary>

本安装指南适用于不支持基于url配置的客户端。此选项需要在您的系统上安装Node.js。

如果您不确定如何使用您的客户端配置MCP，请参考您的MCP客户端官方文档。

使用文本编辑器打开您的客户端MCP配置JSON文件，然后复制粘贴以下代码片段：

{
  "mcpServers": {
    "lara": {
      "command": "npx",
      "args": [
        "mcp-remote",
        "https://mcp.laratranslate.com/v1",
        "--header",
        "x-lara-access-key-id: ${X_LARA_ACCESS_KEY_ID}",
        "--header",
        "x-lara-access-key-secret: ${X_LARA_ACCESS_KEY_SECRET}"
      ],
      "env": {
        "X_LARA_ACCESS_KEY_ID": "<YOUR_ACCESS_KEY_ID>",
        "X_LARA_ACCESS_KEY_SECRET": "<YOUR_ACCESS_KEY_SECRET>"
      }
    }
  }
}

将 <YOUR_ACCESS_KEY_ID> 和 <YOUR_ACCESS_KEY_SECRET> 替换为您Lara Translate API的凭据。详情请参阅官方文档。
重启您的MCP客户端。

</details> <details> <summary>✅ 支持 <code>url</code> 配置的客户端（例如，Cursor，Continue）</summary>

本安装指南适用于支持基于url配置的客户端。这些客户端可以通过指定简单的配置对象连接到Lara的远程HTTP端点。

一些支持的客户端示例包括Cursor、Continue、OpenDevin和Aider。

如果您不确定如何使用您的客户端配置MCP，请参考您的MCP客户端官方文档。

使用文本编辑器打开您的客户端MCP配置JSON文件，然后复制粘贴以下代码片段：

{
  "mcpServers": {
    "lara": {
      "url": "https://mcp.laratranslate.com/v1",
      "headers": {
        "x-lara-access-key-id": "<YOUR_ACCESS_KEY_ID>",
        "x-lara-access-key-secret": "<YOUR_ACCESS_KEY_SECRET>"
      }
    }
  }
}

将 <YOUR_ACCESS_KEY_ID> 和 <YOUR_ACCESS_KEY_SECRET> 替换为您Lara Translate API的凭据。详情请参阅官方文档。
重启您的MCP客户端。

</details>

STDIO 服务器 🖥️

此选项需要在您的系统上安装Node.js。

在您的MCP配置文件中添加以下内容：

{
  "mcpServers": {
    "lara-translate": {
      "command": "npx",
      "args": ["-y", "@translated/lara-mcp@latest"],
      "env": {
        "LARA_ACCESS_KEY_ID": "<YOUR_ACCESS_KEY_ID>",
        "LARA_ACCESS_KEY_SECRET": "<YOUR_ACCESS_KEY_SECRET>"
      }
    }
  }
}

将 <YOUR_ACCESS_KEY_ID> 和 <YOUR_ACCESS_KEY_SECRET> 替换为您的实际Lara API凭据。

</details> <details> <summary>使用 Docker</summary>

此选项需要在您的系统上安装Docker。

在您的MCP配置文件中添加以下内容：

{
  "mcpServers": {
    "lara-translate": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-e",
        "LARA_ACCESS_KEY_ID",
        "-e",
        "LARA_ACCESS_KEY_SECRET",
        "translatednet/lara-mcp:latest"
      ],
      "env": {
        "LARA_ACCESS_KEY_ID": "<YOUR_ACCESS_KEY_ID>",
        "LARA_ACCESS_KEY_SECRET": "<YOUR_ACCESS_KEY_SECRET>"
      }
    }
  }
}

将 <YOUR_ACCESS_KEY_ID> 和 <YOUR_ACCESS_KEY_SECRET> 替换为您的实际Lara API凭据。

</details> <details> <summary>从源码构建</summary>

使用 Node.js

克隆仓库：

git clone https://github.com/translated/lara-mcp.git
cd lara-mcp

安装依赖项并构建：

# 安装依赖项
pnpm install

# 构建
pnpm run build

在您的MCP配置文件中添加以下内容：

{
  "mcpServers": {
    "lara-translate": {
      "command": "node",
      "args": ["<FULL_PATH_TO_PROJECT_FOLDER>/dist/index.js"],
      "env": {
        "LARA_ACCESS_KEY_ID": "<YOUR_ACCESS_KEY_ID>",
        "LARA_ACCESS_KEY_SECRET": "<YOUR_ACCESS_KEY_SECRET>"
      }
    }
  }
}

替换：
- <FULL_PATH_TO_PROJECT_FOLDER> 为项目的绝对路径
- <YOUR_ACCESS_KEY_ID> 和 <YOUR_ACCESS_KEY_SECRET> 为您的实际Lara API凭据。

构建 Docker 镜像

克隆仓库：

git clone https://github.com/translated/lara-mcp.git
cd lara-mcp

构建 Docker 镜像：

docker build -t lara-mcp .

在您的MCP配置文件中添加以下内容：

{
  "mcpServers": {
    "lara-translate": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-e",
        "LARA_ACCESS_KEY_ID",
        "-e",
        "LARA_ACCESS_KEY_SECRET",
        "lara-mcp"
      ],
      "env": {
        "LARA_ACCESS_KEY_ID": "<YOUR_ACCESS_KEY_ID>",
        "LARA_ACCESS_KEY_SECRET": "<YOUR_ACCESS_KEY_SECRET>"
      }
    }
  }
}

将 <YOUR_ACCESS_KEY_ID> 和 <YOUR_ACCESS_KEY_SECRET> 替换为您的实际凭据。

</details>

🧪 验证安装

重启您的MCP客户端后，您应该能在可用的MCP列表中看到Lara Translate MCP。

查看已安装MCP的方法因客户端而异。请查阅您的MCP客户端文档。

要验证Lara Translate MCP是否正常工作，尝试使用简单的提示进行翻译：

使用Lara翻译 "Hello world" 到西班牙语

您的MCP客户端将开始生成响应。如果Lara Translate MCP正确安装并配置，您的客户端将请求批准该操作或显示Lara Translate正在使用的通知。

💻 支持 MCP 的流行客户端

有关完整的MCP客户端及其功能支持列表，请访问官方MCP客户端页面。

客户端	描述
Claude Desktop	Claude AI的桌面应用
Aixplain	生产就绪的AI代理
Cursor	AI优先的代码编辑器
Cline for VS Code	用于VS Code的AI辅助扩展
GitHub Copilot MCP	用于GitHub Copilot MCP集成的VS Code扩展
Windsurf	带有AI驱动的代码编辑器和开发环境

🆘 支持

对于Lara Translate API的问题：访问Lara Translate API和支持集成
对于此MCP服务器的问题：在GitHub上打开一个问题